fbpx

[오프라인] 시장 미시구조와 마이크로 트레이딩

Introduction

국내 유일의 HFT 시뮬레이터 제공 강의

HFT(고빈도매매,초단타매매)는 컴퓨터를 통해 빠른 속도로 내는 주문을 수천 번 반복하는 거래로 알고리즘 매매 방식 중 하나입니다. 보통 미리 정해 놓은 조건과 전략에 따라 컴퓨터에 의해 빠른 속도로 주문이 이루어집니다. 실제 거래가 이루어지는 미시 시장의 구조를 이해하고, 컴퓨팅 기술을 이용하면 시장의 등락과 무관하게 수익을 얻을 수 있습니다.

본 교육 과정에서는 거래 시장의 미시적인 구조를 분석하여 고빈도매매라 불리는 HFT 전략에 대해 학습합니다. 거래 시장에는 많은 유형의 거래자들이 참여하고, 거래자들이 사용하는 전략들이 서로 경쟁하면서 시장은 균형 상태를 이루게 됩니다. 본 과정에서는 시장 미시구조라는 (Market microstructure) 이론을 통해 시장 균형의 원리를 학습하고, 미시시장의 특성을 활용한 HFT 전략에 대해 학습합니다. 또한, 실습 프로그램인 시장 시뮬레이터를 통해 각 전략의 특성을 실제로 분석해 봅니다. 그리고 HFT 전략과 관련된 해외 논문 3편을 통해 HFT 전략을 만드는 이론적 원리를 분석합니다.

본 강의는 파이썬(Python)에 대한 기본적인 개념을 어느 정도 알고 있다는 전제 하에 진행되며, 노트북에 프로그램을 설치하고 오셔야 합니다.

Lesson

강의 상세내용 

1~2장에서는 미시시장의 개요를 살펴보고, 시장의 내부요인을 분석하는 방법론을 배웁니다. 미시시장 데이터를 분석하려면 마켓시뮬레이터가 필요합니다. 본 교육에서는 이트레이드 증권사의 API 기능을 활용하여 강사가 직접 제작한 마켓시뮬레이터를 사용합니다.

3~6장에서는 미시시장에서 발생하는 사건들이 표현된 호가창과 체결창에 대해 다룹니다. 시장 참여자들이 거래할 때마다 발생하는 모든 사건들은 호가창/체결창에 요약되므로 이 데이터를 분석하면 참여자들의 행위를 자세히 분석할 수 있습니다. 호가창 분석은 눈에 보이는 대로의 명목적 분석과 눈에 직접 보이지 않는 숨어있는 내용에 대한 잠재적 분석 방법이 있습니다. 잠재적 분석을 위해서는 시장미구조론의 모델이 필요합니다. 6장에서는 미시시장의 변동성과 bid-ask 스프레드에 대한 잠재적 분석과 실습을 다룹니다.

7~10장에서는 시장미시구조론의 이론을 다룹니다. 이론적 모델을 사용하면 더욱 다양한 잠재적 분석을 수행할 수 있습니다. 8장에서는 bid-ask 스프레드에 대해 더욱 자세한 잠재적 분석을 수행하고, 9~10장에서는 정보보유거래자의 비중을 추론해 볼 수 있는 모델을 살펴봅니다. 이 분석을 통해 현재 시장에 참여하고 있는 참여자들의 비중을 파악할 수 있으며 매매 전략에 활용할 수 있습니다.

11~12장에서는 시장미시구조론을 활용한 알고리즘 트레이딩에 대해 다룹니다. 11장은 거래비용을 최소화하고 밴치마크 성과를 극대화할 수 있는 집행알고리즘 (Execution algorithm)에 대해 다룹니다. 다만, 본 교육에서는 시간 관계상 11장의 내용을 자세히 다루지는 못합니다. 큰 개념을 가볍게 리뷰하는 정도로만 다룹니다. 12장은 고빈도매매 전략을 다룹니다. 간단한 전략에 대해 실습해 보면서 고빈도매매의 개념을 익힙니다. 13~14장은 시장미시구조를 이용한 고빈도매매 전략을 다룬 3편의 논문을 비교적 자세히 다룹니다. 내용이 상당이 어렵기 때문에 학술적인 수준까지는 다루지는 못하지만 파이썬 프로그래밍을 이용하여 실질적인 내용을 파악하는 수준까지는 다룰 예정입니다.

Reference

참고 자료 

 

Why Do Security Prices Change? A Transaction-Level Analysis of NYSE Stocks – Ananth Madhavan, Matthew Richardson, and Mark Roomans* Latest Revision: November, 1996

FLOW TOXICITY AND VOLATILITY IN A HIGH FREQUENCY WORLD – David Easley, Marcos M. López de Prado, Maureen O‟Hara, April 28, 2011

ELW 관련 판결문 – 사건 2011고합600 자본시장과금융투자업에관한법률위반

A stochastic model for order book dynamics -Rama Cont, Sasha Stoikov, Rishi Talreja IEOR Dept, Columbia University, New York, June 2010

High-frequency trading in a limit order book – MARCO AVELLANEDA and SASHA STOIKOV* Mathematics, New York University, 2006

Example

예제 실습

#HFT #시장미시구조 #알고리즘트레이딩

For YOU

이런 분들께 강의를 추천드립니다!

실전 투자자

새로운 방법으로 금융 투자 분석을 시도하고 싶은 실무자/투자자

금융IT 실무자

금융 IT 관련 업무 담당자 및 개발자

학계 관련자

금융, 재무 관련 전공 대학생/대학원생

Review

수강 후기

김00
3기 수강생
Read More
이 수업에서 가장 좋았던 것은, 현재 증권시장에서 하는 투자 방식은 거시적인 접근을 먼저하고 시장을 분석하는데 비해, 이 수업에서는 거래되는 그 순간 순간의 미시시장에서의 가격 결정에 대한 다른 프레임을 볼 수 있었던 점입니다.
박00
박00
4기 수강생
Read More
앞부분에서 최소주문액 분포가 어떤지, 교수님 혼자 시장 분석을 해놓으신게 있더라구요. 교수님이 혼자 정리하신 느낌이 들어 좋았습니다..
이00
이00
0기 수강생
Read More
핀, VPIN 통해서 매수랑 매도의 강세를 측정한 추세추종기법에 대해 아이디어를 많이 얻었고 잔량과 체결강도를 시장미시구조 이론을 적용해서 볼 수 있게된 점이 좋았습니다. 또, 강사님이 주신 트레이딩 파일을 일별 데이터 수집하는데 쓸 수 있구요.
Previous
Next

Professor

조성현

  • 現 핀인사이트 사외이사 인사이트 캠퍼스 연구/강의 교수
  • 現 아마추어퀀트 금융공학 전문 블로그 운영진
  • 前 Lucent Technologies, Bell-Labs Innovations 수석 연구원

조성현 강의교수님은 물리학을 전공하고 KT에 입사하여 망관리센터 및 연구개발센터의 통신운용연구단에서 약 8년간 근무하다가, AT&T, Lucent Technologies로 이직하여 수석 연구원으로 10년간 종사한 통신 소프트웨어 전문가 입니다. 미국 Bell-lab에서 차세대 네트워크 구축에 대한 Training, 국내 KT, SKT 등의 국가기간망 구축 사업 분야에 종사했으며, 국제보안전문가 (CISSP)로 국내 VoIP 망의 보안 컨설팅 프로젝트를 수행했습니다.

이후 금융 분야에 진출하여 금융공학, 시장미시구조론, 알고리즘 트레이딩, 페어트레이딩, 금융 데이터마이닝 (기계학습), 강화학습 분야를 연구하고 있습니다.

물리학과 미국 Bell-Lab의 소프트웨어 기술에 금융 이론을 접목하여 금융 관련 시스템을 개발하고, 블로그를 통해 외국의 최신 투자 기법을 다룬 논문들의 내용을 소개하고 있습니다. 외환 전문인 갤럭시투자자문사에서 환위험관리 및 외환차익거래 시스템을 개발한 바 있으며, 여의도 금융가와 강남 지역, 그리고 코스콤 등 기업체의 직원 연수교육의 금융 강사로 활동하고 있습니다.

Curriculum

커리큘럼

1강 | 미시 거래시장 개요

1-1. 금융 시장을 대하는 여러 시선
1-2. 시장 외부 요인 (뉴스) 분석 사례
1-3. 쌀더미 사태 (Rice-pile experiment)와 시장 충격
1-4. 시장 내부 요인 분석 사례
1-5. 시장미시구조 (Market microstructure) 개요
1-6. 거래시장 네트워크
1-7. DMA와 API
1-8. 시세 데이터 (틱 데이터)
1-9. 시세와 주문의 지연 시간 (Latency)

2장 | 마켓 시뮬레이터 (증권사 API)

2-1.​ ​마켓 시뮬레이션 유형
2-2.​ ​증권사 API 실습 프로그램 소개 (이베스트 API 전용)
2-3.​ ​시세 데이터 Replay 방식의 시뮬레이터
2-4.​ ​마켓 몬테카를로 시뮬레이션 방식의 시뮬레이터

3장 | 거래 시장의 특성 분석

3-1.​ ​호가창과 주문 흐름
3-2.​ ​거래 시장의 참여자 유형
3-3.​ ​거래 시장 용어
3-4.​ ​시세 데이터의 주문 흐름 요약
3-5.​ ​Market Factors
3-6.​ ​유동성 (Liquidity) 척도 측정 및 실시간 관찰 (실습 프로그램)
3-7. 주문의 분포 추정

4강 | 거래시장의 이벤트 관찰

4-1. 시장가 주문 수량의 분포 관찰
4-2. 유동성 척도와 주문 체결 수량의 분포, 그리고 마켓메이커
4-3. 최우선 호가의 지정가 주문 수량 분포 관찰
4-4. 잔량의 변화와 시장가 주문의 관계 관찰
4-5. 잔량의 변화와 지정가 주문의 관계 관찰
4-6. 잔량의 변화와 취소 주문의 관계 관찰
4-7. 잔량의 분포 관찰
4-8. 가격의 종류와 Bid-Ask Bouncing
4-9. 주문 강도와 주가의 관계 관찰
4-10. 취소 주문의 특징 및 취소 주문 분포
4-11. X-Ray 식 취소 주문 흐름 추적

5강 | 거래 시장 이벤트의 통계적 분석

5-1. 주문의 유입과 유출
5-2. 호가창의 대기 행렬 및 주문 발생률
5-3. 포아송 분포 및 주문 체결 확률
5-4. 지수 분포 및 Mid-price 변경 확률
5-5. 포아송 분포 및 지수 분포의 시뮬레이션
5-6. 시뮬레이션에 의한 호가창 이벤트 확률 계산
5-7. 포아송 시뮬레이션을 통한 주가 상승 확률 시뮬레이션 (파이썬 실습 프로그램)

6강 | 미시시장의 변동성 요인

6-1. 주가 변동성 발생 원인
6-2. 체결 수량, 체결 빈도 및 체결 방향
6-3. AR(1) 모형과 체결 방향의 연속 확률 추정
6-4. 체결 방향의 연속성 확인
6-5. Madhavan 모형과 변동성 요인 추정
6-6. Madhavan의 Bid-Ask 스프레드 추정

7강 | 시장 미시구조 이론 (Market microstructure)

7-1. 참고 서적
7-2. Kyle의 기본 모형
7-3. Kyle의 확장 모형
7-4. 정보보유 거래자와 Bluffing 전략
7-5. 고빈도매매에서 Piggyback 전략의 효과
7-6. Glosten & Milgrom 모형 (Information based model)
7-7. 마켓메이커와 시장의 균형 가격
7-8. 효용함수와 위험회피 성향
7-9. Stoll의 모형 (Inventory model)

8강 | Bid-Ask 스프레드

8-1. Bid-Ask 스프레드 종류 및 정의
8-2. Roll의 스프레드 모형 및 실시간 관찰 (실습 프로그램)
8-3. Amihud의 ILLIQ 척도
8-4. 유동성 척도와 거래비용

9강 | 정보보유 거래자 참여 비중 추정 모형 (1) – PIN

9-1. Probability of Informed Trading (PIN) 모형
9-2. PIN 모형의 우도 함수
9-3. PIN 추정 (파이썬, R, 실습 프로그램)
9-4. PIN 모형과 주가의 상승, 하락 확률
9-5. HMM에 의한 정보기반 거래자의 히든 상태 (비중) 추론 (파이썬 실습 프로그램)

10강 | 정보보유 거래자 참여 비중 추정 모형 (2) – VPIN

10-1. Clock time, Volume time에 의한 캔들 차트
10-2. VPIN 모형
10-3. VPIN 추정 (실습 프로그램)
10-4. VPIN 모형과 마켓메이커

11강 | 시장미시구조론과 알고리즘 트레이딩

11-1. 거래비용의 정의와 종류
11-2. 거래비용 분석 (Transaction Cost Analysis : TCA)
11-3. 주문 집행 알고리즘
11-4. Almgren의 최적 주문 집행 알고리즘
11-5. Konishi의 최적 VWAP 집행 알고리즘
11-6. 거래량 프로파일과 거래량 예측 모형

12강 | 고빈도 매매 (High Frequency Trading : HFT)

12-1. 거래 전략의 분류
12-2. HFT 전략의 유형
12-3. 상대호가 주문을 이용한 전략
12-4. 실습 프로그램 전략 스크립트 시험 (MACD, Trailing stop)
12-5. 호가창의 정적 모형 (SOBI)
12-6. SOBI 전략 스크립트 시험
12-7. 호가창의 동적 모형 (DOBI)
12-8. DOBI 전략 스크립트 시험
12-9. 지정가 주문을 이용한 전략
12-10. 마켓메이킹 전략 스크립트 시험

13강 | HFT와 미시시장의 품질

13-1. HFT가 시장 품질에 미치는 영향 (긍정적, 부정적 견해)
13-2. 특정 시장 상황에서 HFT가 시장에 미치는 영향
13-3. Market Manipulation
13-4. ELW 스캘핑 사례 (2010년)
13-5. 알고리즘에 의한 주문 사고 사례 (2013년)
13-6. 시세 데이터 발생량과 변동성
13-7. 주문 접수, 통보 지연 시간과 변동성
13-8. 시세 데이터와 주문 체결의 비대칭

14강 | 시장미시구조론 모델 기반의 HFT (논문 리뷰)

14-1. HFT 전략의 수익성에 대한 실증 분석 사례 (2012, Andrei Kirilenko)
14-2. A stochastic model for order book dynamics (2010, Rama Cont.)
* 주가 상승 확률 추정 모델
* 주가 상승 확률 추정 몬테카를로 시뮬레이션
* Power law 분포를 이용한 주문 수량 시뮬레이션
* Poisson 분포와 Power law를 이용한 주가 상승 확률 시뮬레이션(파이썬 실습 프로그램)
14-3. High Frequency Trading in a Limit Order Book (2006, Sasha stoikov)
* 유보가격을 이용한 마켓메이커의 최적 호가 산출 모형
* 마켓메이커의 재고관리 전략 몬테카를로 시뮬레이션

강의안내

1
개강 전에 개강안내 메일을 개별적으로 전달드립니다.
강남역 근처이며, 자세한 장소는 추후 개별적으로 알려 드립니다.
개강 당일에 강의장에서 배포해 드립니다.
환불을 원하실 경우 [ 성함, 환불하고자 하는 강의명, 환불 사유 ] 정보를 edu@fins.ai 이메일로 보내주세요. 정보 확인 후 환불 도와드리겠습니다.

결제 안내

  • 대학(원)생 / 단체 / 기수강생 할인 가능합니다. (* 타쿠폰과 중복할인은 불가)
  • 카드 결제시 최대 6개월 무이자 할부 가능합니다.
  • 세금계산서 발급 가능합니다. 담당자(bill@fininsight.co.kr)에게 연락주시면 더 자세히 안내해 드리겠습니다.


인터넷 결제환경 안내

  • Windows 7, 크롬 브라우저에 최적화 되어있습니다. 인터넷 익스플로러는 버전 9 이상을 권장합니다.
  • iOS에서는 현재 결제가 불가합니다. 타 방식 이용을 권해 드립니다.
  • 맥북에서는 Safari(사파리)에서 결제가 가능합니다.


강의 유의사항

  • 본 강의에는 교재비가 포함되어 있습니다.
  • 강의의 최소 인원(5명)이 미달될 경우 일정이 연기될 수 있습니다.
  • 일정 연기 시, 수강생 분들께 개강 3일전 개별 연락을 드립니다.


인사이트 캠퍼스 지기 모집

혜택

  • 본 강의 무료 수강
  • 본 강의 외의 수강하고 싶은 강의는 50% 할인 혜택
  • 인사이트 캠퍼스지기 활동 인증서 발급
  • 금융권 진출 희망 시 진로 상담 및 네트워킹 제공 (우수 활동지기는 추천서 제공) – 핀인사이트 취업 지원 시 우대

모집 대상

  • 해당 강의 관련 학과 전일제 대학(원)생 또는 관심이 많은 타과 전일제 대학(원)생
  • 인원: 강의 당 1명

우대사항

  • 인사이트 캠퍼스 기 수강자
  • 해당 강의 관련 프로젝트 경험자
  • 해당 강의 관련 컴퓨터 언어 활용 가능자

활동 내용

  • 수강생들이 효과적으로 강의를 수강할 수 있도록 돕는 역할
  • 운영을 위한 세부사항을 기획하며, 다음 기수 수강생 모집 준비를 지원하는 역할
  • 해당 강의 종료 후 수강생 인터뷰 작성 (A4 1장 분량) – 차기 강의 개발 전략에 참여

신청 방법

  • 아래 신청 버튼을 통해 캠퍼스지기를 신청해주시면, 신청하신 모든 분들께 해당 강의 개강 1주 전까지 개별 연락 드립니다. 
  • https://goo.gl/forms/5KsDKKkUywVKPbZB2